试图让计算机理解人类的语言一直是人工智能领域迈不过的难关。
早期的自然语言处理模型通常采用人工设计特征，需要专门的语言学家手工编写pattern，但最终效果却并不理想，甚至AI研究一度陷入寒冬。
每当我开除一个语言学家，语音识别系统就更准确了。
EverytimeIfirealinguist,theperformanceofthespeechrecognizergoesup.
——FrederickJelinek
有了统计模型、大规模预训练模型以后，特征抽取是不用做了，但仍然需要对指定任务进行数据标注，而且最关键的问题在于：训练得到的模型还是不懂人类的语言。
所以，我们是不是该从语言最初的形态开始重新研究：人类到底是怎么获得语言能力的？
最近来自康奈尔大学、麻省理工学院和麦吉尔大学的研究人员在NatureCommunications上发表了一篇论文，提出一个算法合成模型的框架，在人类语言的最基础部分，即词法音位学（morpho-phonology）上开始教AI学习语言，直接从声音中构建语言的词法。
论文链接：
转载请注明：http://www.0431gb208.com/sjszlfa/7028.html
